CN114336651B - 一种基于削峰潜力的电力调度方法及装置 - Google Patents

Abstract

本发明公开了一种基于削峰潜力的电力调度方法及装置，该方法通过历史用电负荷监测数据构建降维指标，以实现数据的降维，然后通过加权聚类的方法剔除异常类的日负荷曲线，并基于剩下的类中的降维指标值对应的日负荷曲线得到典型日负荷曲线，接着通过负荷分解的方式，即根据用户内部不同用电负荷的开停对典型日负荷曲线进行时段划分，并将每个时段的用电负荷分解出来，形成各时段内所有用电负荷对应的日负荷曲线，以获取用户内部具体的负荷运行数据，最后通过用户内部负荷降负荷率的重构得到用户的实际降负荷率，提高削峰潜力评估的准确性，以便辅助上级电网调度人员向用户供应可靠的、符合生产运营所需的电力，保证电力系统的安全经济运行。

Description

一种基于削峰潜力的电力调度方法及装置

技术领域

本发明涉及电力调度技术领域，具体涉及一种基于削峰潜力的电力调度方法及装置。

背景技术

目前，随着用电量的逐年增高，电力系统负荷峰谷差也逐渐拉大，严重影响了电力系统的平稳运行，因此，如何根据用电需求评估削峰潜力，对用电负荷进行削峰，降低负荷尖峰，减小电网负荷峰谷差，使发电、用电趋于平衡很有必要。其中，削峰指调整用电负荷的一种措施，具体位置根据不同用户的用电规律，合理地、有计划地安排和组织各类用户的用电时间；削峰潜力指在尽量不影响用户运营生产的情况下可以削减的高峰负荷功率值。

现有关于削峰潜力的评估方法中，对典型日负荷曲线的提取过于粗糙，大多采用每月最大负荷日的负荷曲线或者每月多个日负荷曲线上同一监测点的用电功率取均值后形成的负荷曲线，另外，在使用降负荷率时没有考虑到多个用户的用电负荷，直接针对某个用户使用经验性的降负荷率，导致削峰潜力评估的准确较低，影响了后续电力调度的合理性，不利于电力系统安全经济的运行。

发明内容

本发明所要解决的技术问题是现有技术中关于削峰潜力的评估方法中，对典型日负荷曲线的提取过于粗糙且对于每个用户使用经验性的降负荷率，导致削峰潜力评估的准确较低，影响了后续电力调度的合理性。因此，本发明提供一种基于削峰潜力的电力调度方法及装置，取若干天的日用电负荷曲线监测数据作为历史用电负荷监测数据，构建降维指标矩阵，然后通过加权欧氏距离k-means聚类对降维指标矩阵中的元素进行加权聚类处理，以提高典型日负荷曲线获取的准确性，接着基于典型日负荷曲线对每个用户进行用电负荷分解，确定用户的实际降负荷率，以此计算用户的削峰潜力，并最终确定目标地区整个区域的削峰潜力，以便辅助上级电网调度人员向用户供应可靠的、符合生产运营所需的电力，也保证电力系统的安全经济运行。

本发明通过下述技术方案实现：

一种基于削峰潜力的电力调度方法，包括：

获取目标地区中每个用户的历史用电负荷监测数据，并基于所述历史用电负荷监测数据构建降维指标矩阵；

通过三标度层次分析法对所述降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重；

将所述降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，剔除异常类中降维指标值对应的日负荷曲线，并基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线；

根据不同用电负荷的开停对所述典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率；

基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，并基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力并发送给电力调度系统，以使电力调度系统基于所述目标地区的削峰潜力对目标地区进行电力调度

进一步地，所述基于所述历史用电负荷监测数据构建各用户的降维指标矩阵，包括：

从所述历史用电负荷监测数据中获取每一用户N天的日用电负荷数据，并基于所述每一用户N天的日用电负荷数据计算目标地区中每一用户N天的日用电负荷率；

从所述历史用电负荷监测数据中获取每一用户N天的日用电负荷最大值和日用电负荷最小值，并基于每一用户N天的所述日用电负荷最大值和所述日用电负荷最小值计算目标地区中各用户N天的日用电峰谷差率；

基于所述历史用电负荷监测数据，计算每个用户N天中每天的用电峰期时段的用电负荷平均值，并基于N天的所述用电峰期时段的用电负荷平均值计算目标地区中每一用户N天的日用电峰期负荷率；

基于所述历史用电负荷监测数据，计算每个用户N天中每天的用电平期时段的用电负荷平均值，并基于N天的所述用电平期时段的用电负荷平均值计算目标地区中每一用户N天的日用电平期负荷率；

基于所述历史用电负荷监测数据，计算每个用户N天中每天的用电谷期时段的用电负荷平均值，并基于N天的所述用电谷期时段的用电负荷平均值计算目标地区中每一用户N天的日用电谷期负荷率；

基于所述目标地区中每一用户N天的日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率构建各用户的降维指标矩阵。

进一步地，所述通过三标度层次分析法对所述降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重，包括：

通过预设三标度对降维指标矩阵中的降维指标值进行两两对比，得到优先判断矩阵；

将所述优先判断矩阵转换为模糊一致性判断矩阵，并采用和行归一法对所述模糊一致性判断矩阵进行归一化处理，得到降维指标矩阵的权重向量；

基于所述降维指标矩阵的权重向量得到每个降维指标的权重。

进一步地，所述将所述降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，包括：

按照样本划分标准对降维指标矩阵进行样本划分，得到数据样本；其中，所述样本划分标准为将降维指标矩阵中每一天的降维指标值划分为一个样本；

将数据样本和每个降维指标的权重输入到加权欧氏距离的K-means算法种进行加权聚类计算；所述所述加权欧氏距离的K-means算法具体为：

式中，d(k,j)表示第k个数据样本中的所有降维指标值到第j个聚类中心的加权距离，w_q表示第q个降维指标对应的权重，y_k,q表示第k个数据样本中第q个降维指标值，m_j,q表示第j个聚类中心对应的第q个降维指标值。

进一步地，所述基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线，包括：

获取剩余的类中所包含的降维指标值对应的日负荷曲线，并对所有日负荷曲线上同一监测点对应的用电负荷监测数据取平均值，得到典型日负荷曲线；其中，计算典型日负荷曲线的计算公式具体为：

式中，表示第i个用户的典型日负荷曲线上第j个监测点监测到的用电负荷监测数据，/>表示第i个用户第n天的日负荷曲线上第j个监测点监测到的用电负荷监测数据，N表示计算降维指标矩阵时选择的天数即降维指标矩阵的行数，η表示被剔除的日负荷曲线的条数。

进一步地，所述根据不同用电负荷的开停对所述典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率，包括：

根据不同用电负荷的开停对典型日负荷曲线进行时段划分，将每个时段内的用电负荷分解出来，得到每个时段上所有用电负荷对应的日负荷曲线；

通过获取尖峰用电负荷时段中每个用电负荷的用电量占比，对各时段上的日负荷曲线中的每个用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率。

进一步地，所述基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，包括：

获取每个用户在尖峰用电负荷时段内的实际用电负荷值，并结合该用户的用户实际降负荷率，计算目标地区中每一用户的理论削峰潜力；

基于每个用户在尖峰用电负荷时段的实际用电负荷值和典型日负荷曲线中的最小用电负荷值，计算每一用户的需求响应潜力最大值；

比较每一用户的理论削峰潜力和需求响应潜力最大值的大小；

当理论削峰潜力小于需求响应潜力最大值，则将理论削峰潜力作为各用户的实际削峰潜力；

当需求响应潜力最大值值小于理论削峰潜力，则将需求响应潜力最大值作为各用户的实际削峰潜力。

进一步地，所述基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力，包括：

将同一馈线上的所有用户的实际削峰潜力相加得到馈线上的实际削峰潜力；

将同一变电站中的所有馈线上的实际削峰潜力相加得到目标地区的实际削峰潜力。

进一步地，所述基于削峰潜力的电力调度方法还包括：

确定目标地区中每个用户的历史用电负荷监测数据中最大用电负荷日所在的月份作为最大用电负荷月，并基于所述最大用电负荷月确定符合邻近范围内的所有月份，将所述最大用电负荷月和符合邻近范围内的所有月份作为用电尖峰月；

统计用电尖峰月中的用电历史数据超过用电负荷判断值的小时数，并将统计得到的小时数平均到用电尖峰月的每一天，得到每个用户的用电尖峰小时数；

根据各用户的用电尖峰小时数，统计用电尖峰月中每一天用电负荷排名靠前的负荷小时段，并对用电尖峰月中所有的负荷小时段进行频数计算，获取频数排名靠前的Z个负荷小时段作为各用户的实施响应时段。

一种基于削峰潜力的电力调度装置，包括：

降维指标矩阵构建模块，用于获取目标地区中每个用户的历史用电负荷监测数据，并基于所述历史用电负荷监测数据构建降维指标矩阵；

三标度层次分析模块，用于通过三标度层次分析法对所述降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重；

聚类计算模块，用于将所述降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，剔除异常类中降维指标值对应的日负荷曲线，并基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线；

降负荷率约束重构模块，用于根据不同用电负荷的开停对所述典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率；

实际削峰潜力处理模块，用于基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，并基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力并发送给电力调度系统，以使电力调度系统基于所述目标地区的削峰潜力对目标地区进行电力调度。

本发明提供一种基于削峰潜力的电力调度方法及装置，通过取若干天的日用电负荷曲线监测数据作为历史用电负荷监测数据，构建降维指标，以实现数据的降维，减少数据计算量，提高计算效率，然后通过加权聚类的方法剔除异常类中降维指标值对应的日负荷曲线，并对剩下的类中的所有降维指标值对应的日负荷曲线上同一监测点对应的用电负荷监测数据取均值得到典型日负荷曲线，接着通过负荷分解的方式，即根据用户不同用电负荷的开停对典型日负荷曲线进行时段划分，并将每个时段内的用电负荷分解出来，形成每个时段上所有用电负荷对应的日负荷曲线，以获取用户具体的用电负荷运行数据，最后通过用户负荷降负荷率的重构得到用户的实际降负荷率，提高削峰潜力评估的准确性，以便辅助上级电网调度人员向用户供应可靠的、符合生产运营所需的电力，保证电力系统的安全经济运行。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明一种基于削峰潜力的电力调度方法的一流程图。

图2为本发明一实施例中得典型日负荷曲线图。

图3为本发明图1中步骤S10的一具体流程图。

图4为本发明图1中步骤S20的一具体流程图。

图5为本发明图1中步骤S40的一具体流程图。

图6为本发明图1中步骤S50的一具体流程图。

图7为本发明一种基于削峰潜力的电力调度方法的另一流程图。

图8为本发明一种基于削峰潜力的电力调度装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

本发明提供一种基于削峰潜力的电力调度方法，该方法可应用于不同电子设备中，该电子设备包括但不限于各种个人计算机、笔记本电脑、智能手机和平板电脑。

在一实施例中，如图1所示，本发明提供一种基于削峰潜力的电力调度方法，包括：

S10：获取目标地区中每个用户的历史用电负荷监测数据，并基于历史用电负荷监测数据构建各用户的降维指标矩阵；

S20：通过三标度层次分析法对降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重；

S30：将降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，剔除异常类中降维指标值对应的日负荷曲线，并基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线；

S40：根据不同用电负荷的开停对典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率；

S50：基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，并基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力并发送给电力调度系统，以使电力调度系统基于目标地区的削峰潜力对目标地区进行电力调度。

其中，历史用电负荷监测数据指根据存储的历史日用电负荷曲线监测数据选取最大用电负荷日所在月份的所有日用电负荷监测数据以及该最大用电负荷日所在月份前后相邻的几个月的所有日用电负荷监测数据，具体前后相邻的几个月可根据实际情况确定，如前后相邻的1个月或2个月。本实施例中的用电负荷监测数据指用电功率。

作为一示例，步骤S10中，为简化历史用电负荷监测数据的复杂性，在获取到目标地区中每个用户N天的历史日用电负荷监测数据后，根据该用户N天的历史日用电负荷监测数据计算得到对应的日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率，以实现对历史用电负荷监测数据的降维。需要说明的是，上述N天的具体取值根据最大用电负荷日所在月份的天数和该最大用电负荷日所在月份前后相邻的几个月的天数的总和确定，本实施例中的N>1。

在计算得到每个用户N天的日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率后，构建一个N*5的矩阵形成降维指标矩阵。

其中，日用电负荷率指同一日的日用电负荷平均值与日用电负荷最大值的比值。

日用电峰谷差率指同一日的日用电负荷最大值与日用电负荷最小值作差之后得到的差值与日用电负荷最大值的比值。

日用电峰期负荷率指同一日的用电峰期时段的日用电负荷平均值与对应的日用电负荷平均值的比值。

日用电平期负荷率指同一日的用电平期时段的日用电负荷平均值与对应的日用电负荷平均值的比值。

日用电谷期负荷率指同一日的用电谷期时段的日用电负荷平均值与对应的日用电负荷平均值的比值。

作为一示例，步骤S20中，通过三标度层次分析法确定每个降维指标的权重，既保证了计算精度,又避免了传统赋权过程中一致性校验不易通过的问题。

作为一示例，步骤S30中，在得到每个降维指标的权重后，首先按照样本划分标准对降维指标矩阵进行样本划分，得到数据样本；其中，样本划分标准为将降维指标矩阵中每一天的降维指标值划分为一个样本；然后将数据样本和每个降维指标的权重输入到加权欧氏距离的K-means算法种进行加权聚类计算，剔除异常的类，即距离其它类最远的类，最后获取剩余的类中所包含的降维指标值对应的日负荷曲线，并对所有日负荷曲线上同一监测点对应的用电负荷监测数据取平均值，得到典型日负荷曲线。

在降维指标矩阵中，一行降维指标值即一天的降维指标值对应一条日负荷曲线，因此，本实施例需要对降维指标矩阵中的元素进行样本划分，得到数据样本，方便后续得到典型日负荷曲线。

加权欧氏距离的K-means算法具体为：

式中，d(k,j)表示第k个数据样本中的所有降维指标值到第j个聚类中心的加权距离，w_q表示第q个降维指标对应的权重，y_k,q表示第k个数据样本中第q个降维指标值，m_j,q表示第j个聚类中心对应的第q个降维指标值。

计算典型日负荷曲线的计算公式具体为：

式中，表示第i个用户的典型日负荷曲线上第j个监测点监测到的用电负荷监测数据，/>表示第i个用户第n天的日负荷曲线上第j个监测点监测到的用电负荷监测数据，N表示计算降维指标矩阵时选择的天数即降维指标矩阵的行数，η表示被剔除的日负荷曲线的条数。

为便于理解，本实施例提供了一种典型日负荷曲线示意图，如图2所示，该典型日负荷曲线的横坐标为监测点，纵坐标为用电负荷水平，即本实施例中的用电负荷监测数据(用电功率)。图2所示的典型日负荷曲线图仅为一种示例，并不用于对典型日负荷曲线的限定，典型日负荷曲线图的横坐标也可以设置为时间。

作为一示例，步骤S40中，主要对工业用户进行用电负荷分解，因为商业用户的业务较为单一，其对应的用电负荷几乎相同，不具有分解价值。对于某一工业用户，由于实际生产中存在不同的业务(如炼钢、冶金、开采等)，不同业务对应不同生产线，不同生产线需要使用的用电负荷也不同，因此，为了根据用户内部不同用电负荷的开停对其典型日负荷曲线进行分解处理，将典型日负荷曲线划分为几个时段，并将每个时段内的用电负荷分解出来，最终形成各时段的日负荷曲线，然后通过尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，形成用户最终的实际降负荷率作为用户实际降负荷率。

作为一示例，步骤S50中，在基于各用户的用户实际降负荷率计算单个用户的实际削峰潜力后，将同一馈线上的所有用户的实际削峰潜力相加得到馈线上的实际削峰潜力；将同一变电站中的所有馈线上的实际削峰潜力相加得到目标地区的实际削峰潜力。

在一实施例中，如图3所示，步骤S10中，基于历史用电负荷监测数据构建各用户的降维指标矩阵，具体包括如下步骤：

S11：从历史用电负荷监测数据中获取每一用户N天的日用电负荷数据，并基于每一用户N天的日用电负荷数据计算目标地区中每一用户N天的日用电负荷率；

S12：从历史用电负荷监测数据中获取每一用户N天的日用电负荷最大值和日用电负荷最小值，并基于每一用户N天的日用电负荷最大值和日用电负荷最小值计算目标地区中各用户N天的日用电峰谷差率；

S13：基于历史用电负荷监测数据，计算每个用户N天中每天的用电峰期时段的用电负荷平均值，并基于N天的用电峰期时段的用电负荷平均值计算目标地区中每一用户N天的日用电峰期负荷率；

S14：基于历史用电负荷监测数据，计算每个用户N天中每天的用电平期时段的用电负荷平均值，并基于N天的用电平期时段的用电负荷平均值计算目标地区中每一用户N天的日用电平期负荷率；

S15：基于历史用电负荷监测数据，计算每个用户N天中每天的用电谷期时段的用电负荷平均值，并基于N天的用电谷期时段的用电负荷平均值计算目标地区中每一用户N天的日用电谷期负荷率；

S16：基于目标地区中每一用户N天的日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率构建各用户的降维指标矩阵。

作为一示例，步骤S11中，计算目标地区中每一用户的日用电负荷率的具体公式为：

式中，r_i ⁿ表示第i个用户第n天的日用电负荷率，表示第i个用户第n天的日用电负荷平均值，/>表示第i个用户第n天的日用电负荷最大值。

作为一示例，步骤S12中，计算目标地区中各用户的日用电峰谷差率的具体公式为：

式中，表示第i个用户第n天的日用电峰谷差率，/>表示第i个用户第n天的日用电负荷最大值，/>表示第i个用户第n天的日用电负荷最小值。

作为一示例，步骤S13中，计算目标地区中每一用户的日用电峰期负荷率的具体公式为：

式中，表示第i个用户第n天的日用电峰期负荷率，/>表示第i个用户第n天的用电峰期时段的日用电负荷平均值，/>表示第i个用户第n天的日用电负荷平均值。

作为一示例，步骤S14中，计算目标地区中每一用户的日用电平期负荷率的具体公式为：

式中，表示第i个用户第n天的日用电平期负荷率，/>表示第i个用户第n天的用电平期时段的日用电负荷平均值，/>表示第i个用户第n天的日用电负荷平均值。

作为一示例，步骤S15中，计算目标地区中每一用户的日用电谷期负荷率的具体公式为：

式中，表示第i个用户第n天的日用电谷期负荷率，/>表示第i个用户第n天的用电谷期时段的日用电负荷平均值，/>表示第i个用户第n天的日用电负荷平均值。

通过上述步骤S11-S15,计算得到日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率等5个降维指标，既可以简化数据计算复杂性，又可以表征用电负荷特性的优劣，并反映用户全天的用电特性。

作为一示例，步骤S16中，通过计算得到目标地区中每个用户N天的日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率5个降维指标，构建N*5降维指标矩阵。

在一实施例中，如图4所示，步骤S20，通过三标度层次分析法对降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重，具体包括如下步骤：

S21：通过预设三标度对降维指标矩阵中的降维指标值进行两两对比，得到优先判断矩阵；

S22：将优先判断矩阵转换为模糊一致性判断矩阵，并采用和行归一法对模糊一致性判断矩阵进行归一化处理，得到降维指标矩阵的权重向量；

S23：基于降维指标矩阵的权重向量得到每个降维指标的权重。

作为一示例，步骤S21中，通过三标度(1，0.5，0)两两对比各个降维指标，建立降维指标的优先判断矩阵F，该优先判断矩阵F为：

其中，f_pq表示降维指标u_p和u_q之间的相互关系，n表示降维指标的个数。

作为一示例，步骤S22中，在得到优先判断矩阵F后，通过矩阵转换计算公式将优先判断矩阵F转换为模糊一致性判断矩阵R，其中，该矩阵转换计算公式具体为：

在得到模糊一致性判断矩阵R后，利用和行归一法对一致性判断矩阵R进行处理，得到降维指标矩阵的权重向量w，该和行归一法具体为：

权重向量w的维度为1*n，n表示降维指标的个数。

作为一示例，步骤S23中，在得到降维指标矩阵的权重向量后，基于降维指标矩阵的权重向量得到每个降维指标的权重。

在一实施例中，如图5所示，步骤S40，根据不同用电负荷的开停对典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率，具体包括如下步骤：

S41：根据不同用电负荷的开停对典型日负荷曲线进行时段划分，将每个时段内的用电负荷分解出来，得到每个时段上所有用电负荷对应的日负荷曲线；

S42：通过获取尖峰用电负荷时段中每个用电负荷的用电量占比，对各日负荷曲线中的每个用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率。

作为一示例，步骤S41中，根据用户内部不同用电负荷的开停对其典型日负荷曲线进行分解处理，将典型日负荷曲线划分为几个时段，并将每个时段内的用电负荷分解出来，最终形成各种用电负荷的日负荷曲线，本实施例中用电负荷的具体分解计算过程为：

式中，P_i+...+P_j表示第一个时段内各个用电负荷相加，P_m+...+P_n表示第二个时段内各个负荷相加，P_p+...+P_q表示第u-1个时段内各个负荷相加，P_a+...+P_b表示第u个时段内各个负荷相加，P⁽¹⁾表示第一个时段内的用电负荷的平均值、P⁽²⁾表示第二个时段内的用电负荷的平均值、P^(u-1)表示第u-1个时段内用电负荷的平均值、P^(u)表示第u个时段内用电负荷的平均值。

式中，表示第v种用电负荷占第u个时段的用电比例，P_v表示第u个时段内的第v种用电负荷。

作为一示例，步骤S42中，每种用电负荷在每个时段内的用电比例可以确定，在根据用户的典型日负荷曲线确定每种用电负荷的日负荷曲线后，确定尖峰用电负荷时段内各种用电负荷的用电比例，假设出现频数最多的尖峰用电负荷时段为t₁，并且落在了第u-1个时段内且该尖峰用电负荷时段内有s种用电负荷，则用户实际降负荷率的计算公式具体为：

式中，d_i ^t1表示第i个用户在尖峰用电负荷时段为t₁内的实际降负荷率，表示第s种用电负荷占第u-1个时段的用电比例，d_s表示第s种用电负荷的降负荷率。

同理，根据上述用户实际降负荷率的计算公式计算出其他尖峰用电负荷时段下该用户的用户实际降负荷率d_i ^t2,d_i ^t3,…,d_i ^tz。

本实施例中的尖峰用电负荷时段的确定过程具体包括：(一)确定目标地区中每个用户的历史用电负荷监测数据中最大用电负荷日所在的月份作为最大用电负荷月，并基于最大用电负荷月确定符合邻近范围内的所有月份，将最大用电负荷月和符合邻近范围内的所有月份作为用电尖峰月；(二)统计用电尖峰月中的用电历史数据超过用电负荷判断值的小时数，并将统计得到的小时数平均到用电尖峰月的每一天，得到用电尖峰小时数；(三)根据用电尖峰小时数，统计用电尖峰月中每一天用电负荷排名靠前的负荷小时段作为尖峰用电负荷时段，通过上述过程确定尖峰用电负荷时段更具普遍性。

在一实施例中，如图6所示，步骤S50中，基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，具体包括如下步骤：

S51：获取每个用户在尖峰用电负荷时段内的实际用电负荷值，并结合该用户的用户实际降负荷率，计算目标地区中每一用户的理论削峰潜力；

S52：基于每个用户在尖峰用电负荷时段的实际用电负荷值和典型日负荷曲线中的最小用电负荷值，计算每一用户的需求响应潜力最大值；

S53：比较每一用户的理论削峰潜力和需求响应潜力最大值的大小；

S54：当理论削峰潜力小于需求响应潜力最大值，则将理论削峰潜力作为各用户的实际削峰潜力；

S55：当需求响应潜力最大值值小于理论削峰潜力，则将需求响应潜力最大值作为各用户的实际削峰潜力。

作为一示例，步骤S51中，计算目标地区中每一用户的理论削峰潜力的公式具体为：

式中，t₁,t₂,t₃,...,t_z表示z个尖峰用电负荷时段，表示第i个用户在不同尖峰用电负荷时段的用电负荷值，Z表示用电尖峰小时数，/>表示第i个用户在不同尖峰用电负荷时段的用户实际降负荷率。

作为一示例，步骤S52中，用户实际的需求响应潜力最大值不应超过尖峰用电负荷时段的需求响应潜力最大值，因此，每个用户在尖峰用电负荷时段对应的实际用电负荷值与典型日负荷曲线中的最小用电负荷值的差值即为用户实际的需求响应潜力最大值的最大值，因此，添加用电负荷的峰谷差作为约束条件计算每一用户的需求响应潜力最大值。计算每一用户的需求响应潜力最大值的公式具体为：

式中，表示第i个用户的需求响应潜力最大值，h表示尖峰用电负荷时段的个数，/>表示第i个用户的第h个尖峰用电负荷时段的实际用电负荷值，p_imin表示典型日负荷曲线中的最小用电负荷值，Z表示用电尖峰小时数。

作为一示例，步骤S53-步骤S55中，通过计算各用户的实际削峰潜力，其中，/>表示第i个用户的需求响应潜力最大值，f_i表示理论削峰潜力。当理论削峰潜力小于需求响应潜力最大值，则将理论削峰潜力作为各用户的实际削峰潜力；当需求响应潜力最大值值小于理论削峰潜力，则将需求响应潜力最大值作为各用户的实际削峰潜力；当需求响应潜力最大值值等于理论削峰潜力，则将需求响应潜力最大值作为各用户的实际削峰潜力，二者均可作为实际削峰潜力，选其一即可。

在一实施例中，在步骤S40计算用户实际降负荷率之前，还需要确定用电尖峰小时数和实施响应时段，如图7所示，基于削峰潜力的电力调度方法还包括：

S401：确定目标地区中每个用户的历史用电负荷监测数据中最大用电负荷日所在的月份作为最大用电负荷月，并基于最大用电负荷月确定符合邻近范围内的所有月份，将最大用电负荷月和符合邻近范围内的所有月份作为用电尖峰月；

S402：统计用电尖峰月中的用电历史数据超过用电负荷判断值的小时数，并将统计得到的小时数平均到用电尖峰月的每一天，得到用电尖峰小时数；

S403：根据用电尖峰小时数，统计用电尖峰月中每一天用电负荷排名靠前的负荷小时段，并对用电尖峰月中所有的负荷小时段进行频数计算，获取频数排名靠前的Z个负荷小时段作为各用户的实施响应时段。

其中，实施响应时段指响应削峰动作、调峰动作的时间段。

作为一示例，步骤S401-步骤S403中，确定目标地区中每个用户的历史用电负荷监测数据中最大用电负荷日所在的月份作为最大用电负荷月，并基于最大用电负荷月确定符合邻近范围内的所有月份(如前后相邻一个月，前后相邻两个月)，将最大用电负荷月和符合邻近范围内的所有月份作为用电尖峰月；统计用电尖峰月中的用电历史数据超过用电负荷判断值(如最大用电负荷的85％)的小时数，并将统计得到的小时数平均到用电尖峰月的每一天，得到用电尖峰小时数Z；根据用电尖峰小时数Z，统计用电尖峰月中每一天用电负荷排名前Z的负荷小时段，最终得到D*Z个尖峰用电负荷时段，(D表示用电尖峰月所包含的天数)。对用电尖峰月中所有的负荷小时段，即D*Z个尖峰用电负荷时段进行频数计算，获取频数排名前Z的负荷小时段作为各用户的实施响应时段。

本发明提供的一种基于削峰潜力的电力调度方法，通过取若干天的日用电负荷曲线监测数据作为历史用电负荷监测数据，构建降维指标，以实现数据的降维，减少数据计算量，提高计算效率，然后通过加权聚类的方法剔除异常类中降维指标值对应的日负荷曲线，并对剩下的类中的所有降维指标值对应的日负荷曲线上同一监测点对应的用电负荷监测数据取均值得到典型日负荷曲线，接着通过负荷分解的方式，即根据用户不同用电负荷的开停对典型日负荷曲线进行时段划分，并将每个时段内的用电负荷分解出来，形成每个时段上所有用电负荷对应的日负荷曲线，以获取用户具体的用电负荷运行数据，最后通过用户负荷降负荷率的重构得到用户的实际降负荷率，提高削峰潜力评估的准确性，以便辅助上级电网调度人员向用户供应可靠的、符合生产运营所需的电力，保证电力系统的安全经济运行。

在一实施例中，提供一种基于削峰潜力的电力调度装置，该基于削峰潜力的电力调度装置与上述实施例中一种基于削峰潜力的电力调度方法一一对应。如图8所示，该基于削峰潜力的电力调度装置包括降维指标矩阵构建模块10、三标度层次分析模块20、聚类计算模块30、降负荷率约束重构模块40和实际削峰潜力处理模块50。各功能模块详细说明如下：

降维指标矩阵构建模块10，用于获取目标地区中每个用户的历史用电负荷监测数据，并基于历史用电负荷监测数据构建降维指标矩阵；

三标度层次分析模块20，用于通过三标度层次分析法对降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重；

聚类计算模块30，用于将降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，剔除异常类中降维指标值对应的日负荷曲线，并基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线；

降负荷率约束重构模块40，用于根据不同用电负荷的开停对典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率；

实际削峰潜力处理模块50，用于基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，并基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力并发送给电力调度系统，以使电力调度系统基于目标地区的削峰潜力对目标地区进行电力调度。

关于基于削峰潜力的电力调度的具体限定可以参见上文中对于基于削峰潜力的电力调度方法的限定，在此不再赘述。上述基于削峰潜力的电力调度中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于削峰潜力的电力调度方法，其特征在于，包括：

获取目标地区中每个用户的历史用电负荷监测数据，并基于所述历史用电负荷监测数据构建各用户的降维指标矩阵；

通过三标度层次分析法对所述降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重；

将所述降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，剔除异常类中降维指标值对应的日负荷曲线，并基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线；

根据不同用电负荷的开停对所述典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率；

基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，并基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力并发送给电力调度系统，以使电力调度系统基于所述目标地区的削峰潜力对目标地区进行电力调度；

所述基于所述历史用电负荷监测数据构建各用户的降维指标矩阵，包括：

从所述历史用电负荷监测数据中获取每一用户N天的日用电负荷数据，并基于所述每一用户N天的日用电负荷数据计算目标地区中每一用户N天的日用电负荷率；

从所述历史用电负荷监测数据中获取每一用户N天的日用电负荷最大值和日用电负荷最小值，并基于每一用户N天的所述日用电负荷最大值和所述日用电负荷最小值计算目标地区中各用户N天的日用电峰谷差率；

基于所述历史用电负荷监测数据，计算每个用户N天中每天的用电峰期时段的用电负荷平均值，并基于N天的所述用电峰期时段的用电负荷平均值计算目标地区中每一用户N天的日用电峰期负荷率；

基于所述历史用电负荷监测数据，计算每个用户N天中每天的用电平期时段的用电负荷平均值，并基于N天的所述用电平期时段的用电负荷平均值计算目标地区中每一用户N天的日用电平期负荷率；

基于所述历史用电负荷监测数据，计算每个用户N天中每天的用电谷期时段的用电负荷平均值，并基于N天的所述用电谷期时段的用电负荷平均值计算目标地区中每一用户N天的日用电谷期负荷率；

基于所述目标地区中每一用户N天的日用电负荷率、日用电峰谷差率、日用电峰期负荷率、日用电平期负荷率和日用电谷期负荷率构建各用户的降维指标矩阵；

所述通过三标度层次分析法对所述降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重，包括：

通过预设三标度对降维指标矩阵中的降维指标值进行两两对比，得到优先判断矩阵；

将所述优先判断矩阵转换为模糊一致性判断矩阵，并采用和行归一法对所述模糊一致性判断矩阵进行归一化处理，得到降维指标矩阵的权重向量；

基于所述降维指标矩阵的权重向量得到每个降维指标的权重；

所述将所述降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，包括：

按照样本划分标准对降维指标矩阵进行样本划分，得到数据样本；其中，所述样本划分标准为将降维指标矩阵中每一天的降维指标值划分为一个样本；

将数据样本和每个降维指标的权重输入到加权欧氏距离的K-means算法种进行加权聚类计算；所述加权欧氏距离的K-means算法具体为：

式中，_d(k,j)表示第k个数据样本中的所有降维指标值到第j个聚类中心的加权距离，w_q表示第q个降维指标对应的权重，y_k,q表示第k个数据样本中第q个降维指标值，m_j,q表示第j个聚类中心对应的第q个降维指标值。

2.根据权利要求1所述的基于削峰潜力的电力调度方法，其特征在于，所述基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线，包括：

获取剩余的类中所包含的降维指标值对应的日负荷曲线，并对所有日负荷曲线上同一监测点对应的用电负荷监测数据取平均值，得到典型日负荷曲线；其中，计算典型日负荷曲线的计算公式具体为：

式中，表示第i个用户的典型日负荷曲线上第j个监测点监测到的用电负荷监测数据，表示第i个用户第n条天的日负荷曲线上第j个监测点监测到的用电负荷监测数据，N表示计算降维指标矩阵时选择的天数即降维指标矩阵的行数，η表示被剔除的日负荷曲线的条数。

3.根据权利要求1所述的基于削峰潜力的电力调度方法，其特征在于，所述根据不同用电负荷的开停对所述典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率，包括：

根据不同用电负荷的开停对典型日负荷曲线进行时段划分，将每个时段内的用电负荷分解出来，得到每个时段上所有用电负荷对应的日负荷曲线；

通过获取尖峰用电负荷时段中每个用电负荷的用电量占比，对各时段上的日负荷曲线中的每个用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率。

4.根据权利要求1所述的基于削峰潜力的电力调度方法，其特征在于，所述基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，包括：

获取每个用户在尖峰用电负荷时段内的实际用电负荷值，并结合该用户的用户实际降负荷率，计算目标地区中每一用户的理论削峰潜力；

基于每个用户在尖峰用电负荷时段的实际用电负荷值和典型日负荷曲线中的最小用电负荷值，计算每一用户的需求响应潜力最大值；

比较每一用户的理论削峰潜力和需求响应潜力最大值的大小；

当理论削峰潜力小于需求响应潜力最大值，则将理论削峰潜力作为各用户的实际削峰潜力；

当需求响应潜力最大值值小于理论削峰潜力，则将需求响应潜力最大值作为各用户的实际削峰潜力。

5.根据权利要求1所述的基于削峰潜力的电力调度方法，其特征在于，所述基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力，包括：

将同一馈线上的所有用户的实际削峰潜力相加得到馈线上的实际削峰潜力；

将同一变电站中的所有馈线上的实际削峰潜力相加得到目标地区的实际削峰潜力。

6.根据权利要求1所述的基于削峰潜力的电力调度方法，其特征在于，所述基于削峰潜力的电力调度方法还包括：

确定目标地区中每个用户的历史用电负荷监测数据中最大用电负荷日所在的月份作为最大用电负荷月，并基于所述最大用电负荷月确定符合邻近范围内的所有月份，将所述最大用电负荷月和符合邻近范围内的所有月份作为用电尖峰月；

统计用电尖峰月中的用电历史数据超过用电负荷判断值的小时数，并将统计得到的小时数平均到用电尖峰月的每一天，得到每个用户的用电尖峰小时数；

根据各用户的用电尖峰小时数，统计用电尖峰月中每一天用电负荷排名靠前的负荷小时段，并对用电尖峰月中所有的负荷小时段进行频数计算，获取频数排名靠前的Z个负荷小时段作为各用户的实施响应时段。

7.一种基于削峰潜力的电力调度装置，其特征在于，该装置使用如权利要求1至6中任一所述的基于削峰潜力的电力调度方法，该装置包括：

降维指标矩阵构建模块，用于获取目标地区中每个用户的历史用电负荷监测数据，并基于所述历史用电负荷监测数据构建降维指标矩阵；

三标度层次分析模块，用于通过三标度层次分析法对所述降维指标矩阵中的每个降维指标值进行计算，得到每个降维指标的权重；

聚类计算模块，用于将所述降维指标矩阵中的所有降维指标值和每个降维指标对应的权重输入到加权欧氏距离的K-means算法中进行加权聚类计算，剔除异常类中降维指标值对应的日负荷曲线，并基于剩余的类中的降维指标值对应的日负荷曲线确定典型日负荷曲线；

降负荷率约束重构模块，用于根据不同用电负荷的开停对所述典型日负荷曲线进行时段划分，并结合尖峰用电负荷时段各个用电负荷的用电量占比对不同用电负荷的降负荷率进行约束重构，得到每个用户的用户实际降负荷率；

实际削峰潜力处理模块，用于基于每个用户的用户实际降负荷率计算单个用户的实际削峰潜力，并基于目标地区中所有用户的实际削峰潜力得到目标地区的实际削峰潜力并发送给电力调度系统，以使电力调度系统基于所述目标地区的削峰潜力对目标地区进行电力调度。